對于領域任務:大語言模型、NLP建模、Agents適用場景探討

AIGC動態歡迎閱讀

原標題：對于領域任務:大語言模型、NLP建模、Agents適用場景探討
關鍵字：模型,數據,領域,方案,概要
文章來源：大數據文摘
內容字數：5393字

內容摘要：

大數據文摘受權轉載自 FIN AI 探索
作者：袁峻峰
在國內大語言模型領域應用如火如荼,筆者這些日子有幾點感受:
更小規模參數模型有可能在特定任務效果更好.
通常當然是模型參數越大效果越好,但具體場景,還是要多個模型測測.所以對領域NLP問題,準備好驗證測試集尤為重要.????????????
NLP建模仍然是重要的方案之一
即使大模型越來越強,在實時性、準確性更高的場景,構建特定問題的NLP模型,并用特定數據訓練還是不可或缺的方案.就如量化投資中的輿情因子,用大模型當然能做,可要更實時、更準確還是要單獨建模.
Agents是最終方案嗎?
1月5日有消息稱OpenAI即將推出GPT Store用于開發者定制基于ChatGPT不同用途的Agents. 想象下,各行各業都是Agents,以后Agents得到個用戶授權就自己找其他Agents去解決問題了.基于長鏈路問題,大模型并沒有有效的方案,筆者認為,短期內,Agents還是提效為主.????
接下來是以上觀點的相關論述.
一、即使大語言模型是人類知識的概要,也不能解決領域問題.
ChatGPT是在構建全部人類知識的概要.博爾赫斯的

原文鏈接：對于領域任務:大語言模型、NLP建模、Agents適用場景探討

聯系作者

文章來源：大數據文摘
作者微信：BigDataDigest
作者簡介：普及數據思維，傳播數據文化